[發(fā)明專利]電機(jī)有限元模型的優(yōu)化方法、裝置、電子設(shè)備及存儲(chǔ)介質(zhì)

在審

• 申請(qǐng)?zhí)枺?/td>: 202210262341.0
• 申請(qǐng)日: 2022-03-16
• 公開（公告）號(hào): CN114722657A
• 公開（公告）日: 2022-07-08
• 發(fā)明（設(shè)計(jì)）人: 孟克其勞;田野;海日罕;王藤
• 申請(qǐng)（專利權(quán)）人: 內(nèi)蒙古工業(yè)大學(xué)
• 主分類號(hào): G06F30/23
• 分類號(hào): G06F30/23;G06F30/27;G06Q50/06
• 代理公司: 北京英創(chuàng)嘉友知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11447
• 代理人: 張巖龍

1.一種電機(jī)有限元模型的優(yōu)化方法，其特征在于，所述方法包括：

獲取預(yù)先建立的電機(jī)有限元初始模型和用戶指定的至少一個(gè)目標(biāo)優(yōu)化變量，所述電機(jī)有限元初始模型包括多個(gè)結(jié)構(gòu)變量；

獲取每個(gè)所述結(jié)構(gòu)變量的靈敏度值；

根據(jù)所述靈敏度值將多個(gè)所述結(jié)構(gòu)變量劃分為多個(gè)結(jié)構(gòu)變量集合；

從多個(gè)所述結(jié)構(gòu)變量集合中確定目標(biāo)結(jié)構(gòu)變量集合，采用多種預(yù)設(shè)算法分別針對(duì)所述目標(biāo)結(jié)構(gòu)變量集合構(gòu)建代理模型，以得到所述目標(biāo)結(jié)構(gòu)變量集合對(duì)應(yīng)的多個(gè)代理模型；

根據(jù)當(dāng)前所述目標(biāo)結(jié)構(gòu)變量集合對(duì)應(yīng)的多個(gè)代理模型確定每個(gè)結(jié)構(gòu)變量對(duì)應(yīng)的優(yōu)化參數(shù)。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述根據(jù)當(dāng)前所述目標(biāo)結(jié)構(gòu)變量集合對(duì)應(yīng)的多個(gè)代理模型確定每個(gè)結(jié)構(gòu)變量對(duì)應(yīng)的優(yōu)化參數(shù)包括：

從多個(gè)所述代理模型中確定所述目標(biāo)結(jié)構(gòu)變量集合對(duì)應(yīng)的目標(biāo)代理模型；

通過所述目標(biāo)代理模型確定所述目標(biāo)優(yōu)化變量對(duì)應(yīng)的多組優(yōu)化結(jié)果；

從所述多組優(yōu)化結(jié)果中確定目標(biāo)優(yōu)化結(jié)果；

獲取所述目標(biāo)優(yōu)化結(jié)果與優(yōu)化基準(zhǔn)結(jié)果的目標(biāo)差值；

在所述目標(biāo)差值大于或者等于預(yù)設(shè)差異閾值的情況下，根據(jù)所述目標(biāo)優(yōu)化結(jié)果確定當(dāng)前所述目標(biāo)結(jié)構(gòu)變量集合中每個(gè)結(jié)構(gòu)變量對(duì)應(yīng)的待定參數(shù)；并根據(jù)所述靈敏度值更新所述目標(biāo)結(jié)構(gòu)變量集合，以得到更新后的所述目標(biāo)結(jié)構(gòu)變量集合，并再次執(zhí)行采用多種預(yù)設(shè)算法分別針對(duì)所述目標(biāo)結(jié)構(gòu)變量集合構(gòu)建代理模型，以得到所述目標(biāo)結(jié)構(gòu)變量集合對(duì)應(yīng)的多個(gè)代理模型，至獲取所述目標(biāo)優(yōu)化結(jié)果與優(yōu)化基準(zhǔn)結(jié)果的目標(biāo)差值的步驟，直至所述目標(biāo)差值小于所述預(yù)設(shè)差異閾值；

在所述目標(biāo)差值小于所述預(yù)設(shè)差異閾值的情況下，將當(dāng)前每個(gè)結(jié)構(gòu)變量對(duì)應(yīng)的所述待定參數(shù)作為所述結(jié)構(gòu)變量對(duì)應(yīng)的優(yōu)化參數(shù)。

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述根據(jù)所述靈敏度值更新所述目標(biāo)結(jié)構(gòu)變量集合包括：

根據(jù)每個(gè)結(jié)構(gòu)變量的所述靈敏度值，獲取每個(gè)所述結(jié)構(gòu)變量集合對(duì)應(yīng)的平均靈敏度值；

將多個(gè)所述結(jié)構(gòu)變量集合中，平均靈敏度值最高的所述結(jié)構(gòu)變量集合作為更新后的所述目標(biāo)結(jié)構(gòu)變量集合。

4.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述根據(jù)所述靈敏度值將多個(gè)所述結(jié)構(gòu)變量劃分為多個(gè)結(jié)構(gòu)變量集合包括：

根據(jù)預(yù)設(shè)的一個(gè)或者多個(gè)靈敏度值閾值，將多個(gè)所述結(jié)構(gòu)變量劃分為多個(gè)所述結(jié)構(gòu)變量集合。

5.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述多種預(yù)設(shè)算法包括GRNN神經(jīng)網(wǎng)絡(luò)、響應(yīng)曲面和Kriging中的至少兩個(gè)，所述方法還包括：

獲取每個(gè)所述結(jié)構(gòu)變量的敏感區(qū)間；

相應(yīng)地，所述采用多種預(yù)設(shè)算法分別針對(duì)所述目標(biāo)結(jié)構(gòu)變量集合構(gòu)建代理模型包括：

采用最優(yōu)超立方采樣法在所述目標(biāo)結(jié)構(gòu)變量集合對(duì)應(yīng)的多個(gè)目標(biāo)結(jié)構(gòu)變量的所述敏感區(qū)間內(nèi)確定所述目標(biāo)結(jié)構(gòu)變量集合的樣本點(diǎn)集，所述樣本點(diǎn)集包括所述目標(biāo)結(jié)構(gòu)變量集合中的每個(gè)所述結(jié)構(gòu)變量的第一采樣參數(shù)以及所述多個(gè)結(jié)構(gòu)變量集合中除所述目標(biāo)結(jié)構(gòu)變量集合以外的其他所述結(jié)構(gòu)變量集合中結(jié)構(gòu)變量的第二采樣參數(shù)；

根據(jù)所述目標(biāo)結(jié)構(gòu)變量集合的所述樣本點(diǎn)集通過有限元計(jì)算確定所述目標(biāo)結(jié)構(gòu)變量集合的樣本結(jié)果集；

根據(jù)所述樣本點(diǎn)集和所述樣本結(jié)果集采用所述多種預(yù)設(shè)算法分別構(gòu)建所述目標(biāo)結(jié)構(gòu)變量集合的所述代理模型。

6.根據(jù)權(quán)利要求5所述的方法，其特征在于，所述從多個(gè)所述代理模型中確定所述目標(biāo)優(yōu)化集合對(duì)應(yīng)的目標(biāo)代理模型包括：

根據(jù)所述樣本點(diǎn)集和所述樣本結(jié)果集確定每個(gè)所述代理模型的確定系數(shù)，所述確定系數(shù)用于表征所述樣本點(diǎn)集對(duì)應(yīng)的所述樣本結(jié)果集與所述代理模型的擬合程度；

根據(jù)多個(gè)所述代理模型的所述確定系數(shù)確定所述目標(biāo)優(yōu)化集合對(duì)應(yīng)的目標(biāo)代理模型。

7.根據(jù)權(quán)利要求1-6中任一項(xiàng)所述的方法，其特征在于，所述方法應(yīng)用于永磁同步電機(jī)；

所述結(jié)構(gòu)變量包括槽口寬度、槽口深度、極弧系數(shù)以及永磁體厚度中的至少兩個(gè)；

所述目標(biāo)優(yōu)化變量包括最大轉(zhuǎn)矩、最小齒槽轉(zhuǎn)矩，最小轉(zhuǎn)矩波動(dòng)、電機(jī)效率以及徑向電磁力中的至少一個(gè)。